本文共 7449 字，大约阅读时间需要 24 分钟。

Python 数据可视化之matpotlib画图

目录

一、建立画布和坐标系

二、解决中卫乱码问题

三、介绍多种绘图方法以折线图为例

四、多种图形的绘制方法

1、折线图

2、条形图

3、面积图

4、填图

5、饼图

6、直方图和核密度图

7、散点图

8、箱线图

9、雷达图

五、图形保存

六、拓展图形

一、建立画布和坐标系

#导入绘图所用的相关库 import numpy as np import pandas as pd import matplotlib as mpl import matplotlib.pyplot as plt

#方法1fig=plt.figure(figsize=(10,5),edgecolor='r') # figsize参数，设置画布大小，edgecolor参数，设置画布边框颜色# 在画布上添加坐标系ax1=fig.add_subplot(1,2,1)   # 1行2列，第一个子坐标系#方法2  同时建立figure和坐标系fig1,axes=plt.subplots(nrows=2,ncols=2,figsize=(7,5))

二、解决中卫乱码问题

plt.rcParams['font.sans-serif']='SimHei'plt.rcParams['axes.unicode_minus']=False

三、介绍多种绘图方法以折线图为例

# 直接用数据框实例的plot方法df1=pd.DataFrame(np.random.randn(30,3),columns=list("abc")).cumsum() # cumsum 累计求和# 单个变量折线图df1['a'].plot.line(color='r',linestyle='--',marker='^',alpha=0.5)  # 颜色=k 代表黑色,'--' 表示虚线 ，'-'实线， # 多变量折线图方法1df1.plot.line(colormap='summer',linestyle='--',marker='.',grid=True) # 多变量时给调色板colormap# 多变量折线图方法2,画折线图line可以省略，可以指定颜色df1.plot(kind='line',y=['a','b'],marker='+',linestyle='-',color=['r','b'])

# 画图的时候指定坐标系fig1,axes=plt.subplots(2,1,figsize=(6,10))df1.plot(kind='line',colormap='spring',marker='.',         linestyle='--',grid=True,alpha=0.8,ax=axes[0])         # 先生成坐标系,再在指定坐标系上画图fig1,axes=plt.subplots(1,2,figsize=(10,5))df1=pd.DataFrame(np.random.rand(10,3),columns=list('abc')).cumsum()df2=pd.DataFrame(np.random.rand(10,3),columns=list('abc')).cumsum()axes[0].plot(df1,linestyle='--',marker='.',alpha=0.5) # 和上面方法对比，不能设定grid参数axes[1].plot(df1,'.--',df2,'+-')

#坐标系基本元素的设定ax.set_title('时间序列图',fontsize=20)  # 添加图标题  fontsize参数设置字号大小ax.set_xlabel("时间",fontsize=30) #设定x轴标签 ax.set_ylabel("值",fontsize=30) #设定y轴标签 ax.set_xlim([0,60])  # x轴边界 ax.set_ylim([-20,15])  # y轴边界 h1=range(0,60,5)   ax.set_xticks(h1)     # 设置x刻度 ax.set_xticklabels(h1) # x轴刻度标签 v1=range(-20,15,4)ax.set_yticks(v1)  # 设置y刻度 ax.set_yticklabels('%.2f'%i for i in v1)   # y轴刻度标签 ax.grid()    # 添加网格线ax.legend(loc='upper left')  # 显示图例，loc表示位置 ax.figure  #查看图

#在某个坐标轴的指定位置添加文字注释ax.text(10,11,'Hello!',fontsize=10,color='r',rotation=45,va='bottom')  # 在图上添加'Hello'字符fig1.suptitle('这就是我的画布',fontsize=25)     # 添加超级标题

四、多种图形的绘制方法

1、折线图

# 简洁方式df1.plot(style={
   'x1':'ro--','x2':'b+--','x3':'k.-'})# 正常方式，参数可省略# s.plot(style="--.",alpha = 0.8,colormap = 'Reds_r',mark='.',grid=True)

2、条形图

fig,axes=plt.subplots(5,1,figsize=(10,20)) #2单变量画图 纵向条形图 df1['x1'].plot.bar(color='b',alpha=0.7,grid=True,ax=axes[0])axes[0].set_title('单变量纵向条形图')   # 添加标题#3单变量画图 横向条形图df1['x1'].plot.barh(edgecolor='#00FFFF',facecolor='r',                    alpha=0.5,width=0.5,ax=axes[1]) # width 柱子宽度axes[1].set_title('单变量横向条形图')# 4多系列柱状图 df1.plot.bar(colormap='winter',ax=axes[2])axes[2].set_title('多变量条形图')# 5多序列堆积图df1.plot.bar(stacked=True,ax=axes[3])axes[3].set_title('堆积图')# 6画两个单变量的图 df1['x1'].plot.bar(color='r',ax=axes[4])df1['x2']=-df1['x2']df1['x2'].plot.bar(color='b',ax=axes[4])for i,j in zip(df1.index,df1['x1'].values):    axes[4].text(i,j,'%.2f'%j,va='top',ha='center',color='k')  # 在柱子上添加数值for i,j in zip(df1.index,df1['x2'].values):    axes[4].text(i,j+0.1,'%.2f'%-j,va='bottom',ha='center',color='w') axes[0].figure

df1.plot.area(colormap='summer',stacked=True)

4、填图

fig,axes=plt.subplots(4,1,figsize=(8,15))x=np.linspace(0,9.42,100)y1=np.sin(x)y2=np.cos(x)axes[0].plot(x,y1,label='sinx')axes[0].plot(x,y2,label='cosx')axes[0].legend()axes[0].set_title('折线图')axes[1].fill(x,y1,'r',alpha=0.5,label='sinx')axes[1].set_title('填图1')axes[2].fill(x,y2,'b',alpha=0.5,label='cosx')  axes[2].set_title('填图2')axes[3].fill_between(x,y1,y2)axes[3].settitle('填图3')

5、饼图

fig,axes=plt.subplots(1,2,figsize=(15,7))df1=pd.DataFrame(np.random.rand(5,3),columns=['x1','x2','x3'],index=list('abcde'))df1['x1'].plot.pie(colormap='winter',ax=axes[0])df1['x2'].plot.pie(explode=[0.1,0,0,0,0],radius=1,ax=axes[1],                    autopct='%.2f%%',textprops={
   'fontsize':20},                    labeldistance=1.3)    axes[1].set_ylabel(None)  # 删除y轴标签axes[1].set_title('饼图',fontsize=25)

#  pie参数解释#explode：指定每部分的偏移量（通过对这个参数的设定可以使得指定扇形与原点分离）； #labels：标签； #colors：颜色； #autopct：每个扇区值标签的显示方式； #pctdistance：扇区值标签的相对位置,是相对于半径而言的。默认值是0.6； #labeldistance：每个扇形标签的（放射状）位置,默认值：1.1。这个值是半径的倍数的意思； #shadow：阴影； #startangle：开始角度； #radius：半径；#frame：图框； #counterclock：指定指针方向，顺时针或者逆时针； #一些英文单词：radial----放射状的 辐射状的，

fig,axes=plt.subplots(3,1,figsize=(6,18))df1=pd.DataFrame({
   'a':np.random.normal(5,2,1000),                 'b':np.random.normal(7,2,1000),                 'c':np.random.normal(9,2,1000),                 't':np.random.randint(1,4,1000)})df1.plot.hist(ax=axes[0],alpha=0.8)df1['a'].plot.hist(ax=axes[1],density=True,color='b',alpha=0.5,bins=50)df1['a'].plot.kde(style='r--',ax=axes[1])  # 核密度图

7、散点图

fig,axes=plt.subplots(4,1,figsize=(5,20)) df1=pd.DataFrame({
   "x":np.random.randn(1000),                                    "y":np.random.randn(1000),                                    "z":np.random.randn(1000)}) axes[0].scatter(df1["x"],df1["y"],color="b") axes[0].grid()axes[1].scatter(df1['x'],df1['z'],color='r',alpha=0.5)axes[1].grid()axes[1].scatter(df1['x'],df1['y'],color='g',alpha=0.5)axes[1].legend()temp=axes[2].scatter(df1['x'],df1['y'],c=df1['y'],cmap='Greens',alpha=0.5)fig.colorbar(temp,ax=axes[2])  #添加色柱df1.plot.scatter(x="x",y="y",                                   c=df1["y"],cmap="summer",ax=axes[3],colorbar=True) # 数据框的下可以直接添加色柱

fig,axes = plt.subplots(2,1,figsize=(10,20)) df1 = pd.DataFrame({
   "x1":np.random.normal(0,1,1000),                                                             "x2":np.random.normal(0,1.5,1000),                                                                               "x3":np.random.normal(1,1,1000),                                        "x4":np.random.normal(1,2,1000)}) color = dict(boxes='black', whiskers='yellow', medians='DarkBlue', caps='red') # 方法1df1.plot.box(color=color,ax=axes[0])df1[['x1','x2']].plot.box(color=color,vert=True,ax=axes[1],grid=True,sym='r+')#方法2fig,ax = plt.subplots(1,1,figsize=(10,6))f=df1.boxplot(sym="o",           showbox=True,           showmeans=True,           showcaps=True,           patch_artist=True,           return_type="dict",           notch=True,ax=ax)

9、雷达图

fig=plt.figure(figsize=(8,8))ax=fig.add_subplot(111,polar=True)labels=['语文','数学','英语','物理','化学','生物']zhangsan=np.array([90,80,78,78,89,45])lisi=np.array([34,78,67,76,87,67])angles=np.linspace(0,2*np.pi,6,endpoint=False)zhangsan=np.concatenate((zhangsan,[zhangsan[0]]))lisi=np.concatenate((lisi,[lisi[0]]))angles=np.concatenate((angles,[angles[0]]))ax.plot(angles,zhangsan,'ro--',label='张三')ax.plot(angles,lisi,'bo--',label='李四')ax.fill(angles,zhangsan,facecolor='r',alpha=0.2) #  填充ax.fill(angles,lisi,facecolor='b',alpha=0.2)angles1=angles*180/np.pi   #先要进行换算,弧度制变成角度制ax.set_thetagrids(angles1,labels) # 添加标签ax.set_title("分数雷达图") ax.grid(True) ax.legend(loc = (-0.2,1))  #用这个命令可以让图例和雷达图不重合在一起 ,第一个数字是水平位置，第二个数字是垂直位置，

五、图形保存

fig.savefig('mypicture.jpg')

六、拓展图形

#参数，start，stop，num（点的数量） xv=np.linspace(-10,10,100) yv=np.linspace(-10,10,100) x,y=np.meshgrid(xv,yv) x=x.ravel()y=y.ravel()#收集符合条件的点 xc=x[(x**2+y**2)**0.5<=10] yc=y[(x**2+y**2)**0.5<=10]fig,ax=plt.subplots(1,1,figsize=(10,10)) ax.scatter(xc, yc, s=5, c=xc, cmap="cool")

六、拓展图形

#参数，start，stop，num（点的数量） xv=np.linspace(-10,10,100) yv=np.linspace(-10,10,100) x,y=np.meshgrid(xv,yv) x=x.ravel()y=y.ravel()#收集符合条件的点 xc=x[(x**2+y**2)**0.5<=10] yc=y[(x**2+y**2)**0.5<=10]fig,ax=plt.subplots(1,1,figsize=(10,10)) ax.scatter(xc, yc, s=5, c=xc, cmap="cool")

转载地址：http://vxqbb.baihongyu.com/